Perbandingan Performa Visual Geometry Group (VGG-16) dan Residual Network (ResNet-50) Dalam Klasifikasi Lima Jenis Tanaman Menggunakan Citra Satelit Sentinel-2A

Widyaningsih, Anak Agung Candra (2025) Perbandingan Performa Visual Geometry Group (VGG-16) dan Residual Network (ResNet-50) Dalam Klasifikasi Lima Jenis Tanaman Menggunakan Citra Satelit Sentinel-2A. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2329101003-COVER.pdf
Download (4MB)
[img] Text (ABSTRAK)
2329101003-ABSTRAK.pdf
Download (463kB)
[img] Text (BAB 1 PENDAHULUAN)
2329101003-BAB 1 PENDAHULUAN.pdf
Download (1MB)
[img] Text (BAB 2 KAJIAN TEORI)
2329101003-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (4MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2329101003-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2329101003-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (4MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2329101003-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (658kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2329101003-DAFTAR PUSTAKA.pdf
Download (1MB)
[img] Text (LAMPIRAN)
2329101003-LAMPIRAN.pdf
Download (1MB)

Abstract

Perekonomian negara di dunia sangat bergantung pada pertanian, sehingga sektor pertanian mempunyai peran penting bagi negara di dunia. Pertanian tradisional tetap bertahan di tengah berbagai tantangan yang dihadapi seperti perluasan urbanisasi berkelanjutan yang berpengaruh pada produksi pangan. Dalam upaya untuk meningkatkan efektivitas dan efisiensi proses pengolahan lahan pertanian serta menjaga stabilitas produksi pangan, berbagai teknologi modern mulai diterapkan dalam praktik pertanian. Pendekatan yang banyak diterapkan adalah precision agriculture, yaitu sebuah teknologi yang berkembang saat ini untuk memperkaya praktik pertanian modern yang bertujuan untuk mengoptimalkan pengelolaan lahan dan hasil produksi. Salah satu teknologi pendukung yang dapat dimanfaatkan yaitu penginderaan jauh. Citra satelit, khususnya Sentinel-2, merupakan sebuah satelit yang dapat digunakan dalam pemantauan dan klasifikasi lahan pertanian dengan memanfaatkan fitur seperti indeks vegetasi untuk membedakan jenis tanaman. Deep learning, khususnya Convolutional Neural Network (CNN), telah terbukti efektif dalam klasifikasi citra. Oleh karena itu, penelitian ini dilakukan dengan tujuan untuk memperoleh metode dengan kinerja yang paling optimal dengan membandingkan dua arsitektur CNN, yaitu VGG-16 dan ResNet-50, untuk klasifikasi lahan pertanian pada lima jenis tanaman utama yakni, padi, singkong, kayu putih, karet, dan kelapa sawit untuk mendukung klasifikasi lahan pertanian secara efisien dengan menggunakan citra satelit. Pendekatan ini bertujuan mengidentifikasi arsitektur terbaik dalam meningkatkan akurasi klasifikasi, mendukung pemetaan dan prediksi yang lebih baik untuk mewujudkan pertanian modern dan berkelanjutan. Hasil penelitian menunjukan bahwa hasil klasifikasi pada lima jenis tanaman yang lebih baik dapat diperoleh dengan menggunakan arsitektur ResNet-50 dengan akurasi mencapai 98,28% pada data validasi dan 86% pada data testing.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Citra Satelit, Sentinel-2A, Deep Learning, VGG-16, ResNet-50
Subjects: Q Science > Q Science (General)
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: Anak Agung Candra Widyaningsih
Date Deposited: 07 Aug 2025 08:17
Last Modified: 07 Aug 2025 08:17
URI: http://repo.undiksha.ac.id/id/eprint/26522

Actions (login required)

View Item View Item